张宇1000题线性代数 第八章 相似理论
目录
- BBB组
- 5.设实矩阵A\bm{A}A为333阶正交矩阵,其元素a22=1a_{22}=1a22=1,又333维列向量α=[0,3,0]T\bm{\alpha}=[0,3,0]^\mathrm{T}α=[0,3,0]T,则A−1α=\bm{A}^{-1}\bm{\alpha}=A−1α=______。
- 11.设A=E+αβT\bm{A}=\bm{E}+\bm{\alpha\beta}^\mathrm{T}A=E+αβT,其中α=[a1,a2,⋯,an]T≠0,β=[b1,b2,⋯,bn]T≠0\bm{\alpha}=[a_1,a_2,\cdots,a_n]^\mathrm{T}\ne\bm{0},\bm{\beta}=[b_1,b_2,\cdots,b_n]^\mathrm{T}\ne\bm{0}α=[a1,a2,⋯,an]T=0,β=[b1,b2,⋯,bn]T=0,且αTβ=2\bm{\alpha}^\mathrm{T}\bm{\beta}=2αTβ=2。
- (1)求A\bm{A}A的特征值和特征向量;
- (2)求可逆矩阵P\bm{P}P,使得P−1AP=Λ\bm{P}^{-1}\bm{AP}=\bm{\Lambda}P−1AP=Λ。
- 12.设A\bm{A}A是333阶矩阵,α1,α2,α3\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3α1,α2,α3是333维列向量,α1≠0\bm{\alpha}_1\ne\bm{0}α1=0,满足Aα1=2α1,Aα2=α1+2α2,Aα3=α2+2α3\bm{A\alpha}_1=2\bm{\alpha}_1,\bm{A\alpha}_2=\bm{\alpha}_1+2\bm{\alpha}_2,\bm{A\alpha}_3=\bm{\alpha}_2+2\bm{\alpha}_3Aα1=2α1,Aα2=α1+2α2,Aα3=α2+2α3。
- (1)证明α1,α2,α3\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3α1,α2,α3线性无关;
- (2)A\bm{A}A能否相似于对角矩阵,说明理由。
- 15.设α=[a1,a2,⋯,an]T≠0,A=ααT\bm{\alpha}=[a_1,a_2,\cdots,a_n]^\mathrm{T}\ne\bm{0},\bm{A}=\bm{\alpha\alpha}^\mathrm{T}α=[a1,a2,⋯,an]T=0,A=ααT,求可逆矩阵P\bm{P}P,使P−1AP=Λ\bm{P}^{-1}\bm{AP}=\bm{\Lambda}P−1AP=Λ。
- CCC组
- 3.设A,B\bm{A},\bm{B}A,B均为nnn阶矩阵,A\bm{A}A有nnn个互不相同的特征值,且AB=BA\bm{AB}=\bm{BA}AB=BA。证明:B\bm{B}B相似于对角矩阵。
- 写在最后
BBB组
5.设实矩阵A\bm{A}A为333阶正交矩阵,其元素a22=1a_{22}=1a22=1,又333维列向量α=[0,3,0]T\bm{\alpha}=[0,3,0]^\mathrm{T}α=[0,3,0]T,则A−1α=\bm{A}^{-1}\bm{\alpha}=A−1α=______。
解 记A=[a11a12A13a211a23a31a32a33]\bm{A}=\begin{bmatrix}a_{11}&a_{12}&A_{13}\\a_{21}&1&a_{23}\\a_{31}&a_{32}&a_{33}\end{bmatrix}A=⎣⎡a11a21a31a121a32A13a23a33⎦⎤,由于A\bm{A}A为正交矩阵,故其每一行向量、每一列向量均为单位向量,于是有a122+12+a322=1,a212+12+a232=1a_{12}^2+1^2+a_{32}^2=1,a_{21}^2+1^2+a_{23}^2=1a122+12+a322=1,a212+12+a232=1,即有a12=a32=a21=a23=0a_{12}=a_{32}=a_{21}=a_{23}=0a12=a32=a21=a23=0。
又由正交矩阵的定义,AAT=E\bm{AA}^\mathrm{T}=\bm{E}AAT=E,有A−1=AT\bm{A}^{-1}=\bm{A}^\mathrm{T}A−1=AT,故A−1α=ATα=[a110a31010a130a33][030]=[030]\bm{A}^{-1}\bm{\alpha}=\bm{A}^\mathrm{T}\bm{\alpha}=\begin{bmatrix}a_{11}&0&a_{31}\\0&1&0\\a_{13}&0&a_{33}\end{bmatrix}\begin{bmatrix}0\\3\\0\end{bmatrix}=\begin{bmatrix}0\\3\\0\end{bmatrix}A−1α=ATα=⎣⎡a110a13010a310a33⎦⎤⎣⎡030⎦⎤=⎣⎡030⎦⎤。(这道题主要利用了正交矩阵的定义求解)
11.设A=E+αβT\bm{A}=\bm{E}+\bm{\alpha\beta}^\mathrm{T}A=E+αβT,其中α=[a1,a2,⋯,an]T≠0,β=[b1,b2,⋯,bn]T≠0\bm{\alpha}=[a_1,a_2,\cdots,a_n]^\mathrm{T}\ne\bm{0},\bm{\beta}=[b_1,b_2,\cdots,b_n]^\mathrm{T}\ne\bm{0}α=[a1,a2,⋯,an]T=0,β=[b1,b2,⋯,bn]T=0,且αTβ=2\bm{\alpha}^\mathrm{T}\bm{\beta}=2αTβ=2。
(1)求A\bm{A}A的特征值和特征向量;
解 设
(E+αβT)ξ=λξ.(1)(\bm{E}+\bm{\alpha\beta}^\mathrm{T})\bm{\xi}=\lambda\bm{\xi}.\tag{1} (E+αβT)ξ=λξ.(1)
(1)(1)(1)式两端左乘βT\bm{\beta}^\mathrm{T}βT,得βT(E+αβT)ξ=(βT+βTαβT)ξ=(1+βTα)βTξ=λβTξ\bm{\beta}^\mathrm{T}(\bm{E}+\bm{\alpha\beta}^\mathrm{T})\bm{\xi}=(\bm{\beta}^\mathrm{T}+\bm{\beta}^\mathrm{T}\bm{\alpha\beta}^\mathrm{T})\bm{\xi}=(1+\bm{\beta}^\mathrm{T}\bm{\alpha})\bm{\beta}^\mathrm{T}\bm{\xi}=\lambda\bm{\beta}^\mathrm{T}\bm{\xi}βT(E+αβT)ξ=(βT+βTαβT)ξ=(1+βTα)βTξ=λβTξ。
若βTξ≠0\bm{\beta}^\mathrm{T}\bm{\xi}\ne0βTξ=0,则λ=1+βTα=3\lambda=1+\bm{\beta}^\mathrm{T}\bm{\alpha}=3λ=1+βTα=3;若βTξ=0\bm{\beta}^\mathrm{T}\bm{\xi}=0βTξ=0,则由(1)(1)(1)式,得λ=1\lambda=1λ=1。
当λ=1\lambda=1λ=1时,(E−A)x=−αβTx=−[a1a2⋮an][b1,b2,⋯,bn]x=0(\bm{E}-\bm{A})\bm{x}=-\bm{\alpha\beta}^\mathrm{T}\bm{x}=-\begin{bmatrix}a_1\\a_2\\\vdots\\a_n\end{bmatrix}[b_1,b_2,\cdots,b_n]\bm{x}=\bm{0}(E−A)x=−αβTx=−⎣⎢⎢⎢⎡a1a2⋮an⎦⎥⎥⎥⎤[b1,b2,⋯,bn]x=0,即[b1,b2,⋯,bn]x=0[b_1,b_2,\cdots,b_n]\bm{x}=\bm{0}[b1,b2,⋯,bn]x=0,因α≠0,β≠0\bm{\alpha}\ne\bm{0},\bm{\beta}\ne\bm{0}α=0,β=0,设b1≠0b_1\ne0b1=0,则ξ1=[b2,−b1,0,⋯,0]T,ξ2=[b3,0,−b1,⋯,0]T,⋯,ξn−1=[bn,0,0,⋯,−b1]T\bm{\xi}_1=[b_2,-b_1,0,\cdots,0]^\mathrm{T},\bm{\xi}_2=[b_3,0,-b_1,\cdots,0]^\mathrm{T},\cdots,\bm{\xi}_{n-1}=[b_n,0,0,\cdots,-b_1]^\mathrm{T}ξ1=[b2,−b1,0,⋯,0]T,ξ2=[b3,0,−b1,⋯,0]T,⋯,ξn−1=[bn,0,0,⋯,−b1]T;故属于λ=1\lambda=1λ=1特征值的全体特征向量为k1ξ1+k2ξ2+⋯+kn−1ξn−1k_1\bm{\xi}_1+k_2\bm{\xi}_2+\cdots+k_{n-1}\bm{\xi}_{n-1}k1ξ1+k2ξ2+⋯+kn−1ξn−1,其中k1,k2,⋯,kn−1k_1,k_2,\cdots,k_{n-1}k1,k2,⋯,kn−1为不全为零的任意常数。
当λ=3\lambda=3λ=3时,(3E−A)x=(2E−αβT)x=0,ξn=α=[a1,a2,⋯,an]T(3\bm{E}-\bm{A})\bm{x}=(2\bm{E}-\bm{\alpha\beta}^\mathrm{T})\bm{x}=\bm{0},\bm{\xi}_n=\bm{\alpha}=[a_1,a_2,\cdots,a_n]^\mathrm{T}(3E−A)x=(2E−αβT)x=0,ξn=α=[a1,a2,⋯,an]T。故属于特征值λ=3\lambda=3λ=3的全体特征值为knξnk_n\bm{\xi}_nknξn,knk_nkn为任意常数。
(2)求可逆矩阵P\bm{P}P,使得P−1AP=Λ\bm{P}^{-1}\bm{AP}=\bm{\Lambda}P−1AP=Λ。
解 取P=[ξ1,ξ2,⋯,ξn−1,ξn]=[b2b3⋯bna1−b10⋯0a20−b1⋯0a3⋮⋮⋮⋮00⋯−b1an]\bm{P}=[\bm{\xi}_1,\bm{\xi}_2,\cdots,\bm{\xi}_{n-1},\bm{\xi}_n]=\begin{bmatrix}b_2&b_3&\cdots&b_n&a_1\\-b_1&0&\cdots&0&a_2\\0&-b_1&\cdots&0&a_3\\\vdots&\vdots&&\vdots&\vdots\\0&0&\cdots&-b_1&a_n\end{bmatrix}P=[ξ1,ξ2,⋯,ξn−1,ξn]=⎣⎢⎢⎢⎢⎢⎡b2−b10⋮0b30−b1⋮0⋯⋯⋯⋯bn00⋮−b1a1a2a3⋮an⎦⎥⎥⎥⎥⎥⎤,则P−1AP=[11⋱13]=Λ\bm{P}^{-1}\bm{AP}=\begin{bmatrix}1&&&&\\&1&&&\\&&\ddots&&\\&&&1&\\&&&&3\end{bmatrix}=\bm{\Lambda}P−1AP=⎣⎢⎢⎢⎢⎡11⋱13⎦⎥⎥⎥⎥⎤=Λ。(这道题主要利用了矩阵初等变换求解)
12.设A\bm{A}A是333阶矩阵,α1,α2,α3\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3α1,α2,α3是333维列向量,α1≠0\bm{\alpha}_1\ne\bm{0}α1=0,满足Aα1=2α1,Aα2=α1+2α2,Aα3=α2+2α3\bm{A\alpha}_1=2\bm{\alpha}_1,\bm{A\alpha}_2=\bm{\alpha}_1+2\bm{\alpha}_2,\bm{A\alpha}_3=\bm{\alpha}_2+2\bm{\alpha}_3Aα1=2α1,Aα2=α1+2α2,Aα3=α2+2α3。
(1)证明α1,α2,α3\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3α1,α2,α3线性无关;
证 由题设条件,得
(A−2E)α1=0,(A−2E)α2=α1,(A−2E)α3=α2.(\bm{A}-2\bm{E})\bm{\alpha}_1=\bm{0},(\bm{A}-2\bm{E})\bm{\alpha}_2=\bm{\alpha}_1,(\bm{A}-2\bm{E})\bm{\alpha}_3=\bm{\alpha}_2. (A−2E)α1=0,(A−2E)α2=α1,(A−2E)α3=α2.
设存在常数k1,k2,k3k_1,k_2,k_3k1,k2,k3,使
k1α1+k2α2+k3α3=0.(1)k_1\bm{\alpha}_1+k_2\bm{\alpha}_2+k_3\bm{\alpha}_3=\bm{0}.\tag{1} k1α1+k2α2+k3α3=0.(1)
(1)(1)(1)式两端左乘A−2E\bm{A}-2\bm{E}A−2E,得
k2α1+k3α2=0.(2)k_2\bm{\alpha}_1+k_3\bm{\alpha}_2=\bm{0}.\tag{2} k2α1+k3α2=0.(2)
(2)(2)(2)式两端左乘A−2E\bm{A}-2\bm{E}A−2E,得
k3α1=0.k_3\bm{\alpha}_1=\bm{0}. k3α1=0.
因α1≠0\bm{\alpha}_1\ne\bm{0}α1=0,故k3=0k_3=0k3=0,代回(2)(2)(2)式,得k2=0k_2=0k2=0,代回(1)(1)(1)式得k1=0k_1=0k1=0。故k1α1+k2α2+k3α3=0⇔k1=k2=k3=0k_1\bm{\alpha}_1+k_2\bm{\alpha}_2+k_3\bm{\alpha}_3=\bm{0}\Leftrightarrow k_1=k_2=k_3=0k1α1+k2α2+k3α3=0⇔k1=k2=k3=0,得证α1,α2,α3\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3α1,α2,α3线性无关。
(2)A\bm{A}A能否相似于对角矩阵,说明理由。
解 由(1)(1)(1)知(A−2E)[α1,α2,α3]=[α1,α2,α3][010001000](\bm{A}-2\bm{E})[\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3]=[\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3]\begin{bmatrix}0&1&0\\0&0&1\\0&0&0\end{bmatrix}(A−2E)[α1,α2,α3]=[α1,α2,α3]⎣⎡000100010⎦⎤,故
A[α1,α2,α3]=[α1,α2,α3](2E+[010001000])=[α1,α2,α3][210021002]=记[α1,α2,α3]B\begin{aligned} \bm{A}[\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3]&=[\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3]\left(2\bm{E}+\begin{bmatrix}0&1&0\\0&0&1\\0&0&0\end{bmatrix}\right)=[\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3]\begin{bmatrix}2&1&0\\0&2&1\\0&0&2\end{bmatrix}\\ &\xlongequal{记}[\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3]\bm{B} \end{aligned} A[α1,α2,α3]=[α1,α2,α3]⎝⎛2E+⎣⎡000100010⎦⎤⎠⎞=[α1,α2,α3]⎣⎡200120012⎦⎤记[α1,α2,α3]B
因α1,α2,α3\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3α1,α2,α3线性无关,故C=[α1,α2,α3]\bm{C}=[\bm{\alpha}_1,\bm{\alpha}_2,\bm{\alpha}_3]C=[α1,α2,α3]是可逆矩阵,则C−1AC=B\bm{C}^{-1}\bm{AC}=\bm{B}C−1AC=B,即A∼B\bm{A}\sim\bm{B}A∼B。
又B\bm{B}B有三重特征值λ1=λ2=λ3=2\lambda_1=\lambda_2=\lambda_3=2λ1=λ2=λ3=2,但(2E−B)x=[010001000][x1x2x3]=0,r(2E−B)=2(2\bm{E}-\bm{B})\bm{x}=\begin{bmatrix}0&1&0\\0&0&1\\0&0&0\end{bmatrix}\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix}=\bm{0},r(2\bm{E}-\bm{B})=2(2E−B)x=⎣⎡000100010⎦⎤⎣⎡x1x2x3⎦⎤=0,r(2E−B)=2,(2E−B)x=0(2\bm{E}-\bm{B})\bm{x}=\bm{0}(2E−B)x=0只有一个线性无关解向量,故B\bm{B}B不能相似于对角矩阵。
由相似关系的传递性知,A\bm{A}A不能相似于对角矩阵。(这道题主要利用了相似关系的传递性求解)
15.设α=[a1,a2,⋯,an]T≠0,A=ααT\bm{\alpha}=[a_1,a_2,\cdots,a_n]^\mathrm{T}\ne\bm{0},\bm{A}=\bm{\alpha\alpha}^\mathrm{T}α=[a1,a2,⋯,an]T=0,A=ααT,求可逆矩阵P\bm{P}P,使P−1AP=Λ\bm{P}^{-1}\bm{AP}=\bm{\Lambda}P−1AP=Λ。
解 设A\bm{A}A的任一特征值为λ\lambdaλ,对应于λ\lambdaλ的特征向量为ξ\bm{\xi}ξ,则Aξ=ααTξ=λξ\bm{A\xi}=\bm{\alpha\alpha}^\mathrm{T}\bm{\xi}=\lambda\bm{\xi}Aξ=ααTξ=λξ。
若αTξ=0\bm{\alpha}^\mathrm{T}\bm{\xi}=0αTξ=0,则λξ=0\lambda\bm{\xi}=\bm{0}λξ=0,又ξ≠0\bm{\xi}\ne\bm{0}ξ=0,故λ=0\lambda=0λ=0;
若αTξ≠0\bm{\alpha}^\mathrm{T}\bm{\xi}\ne0αTξ=0,上式两端左乘αT\bm{\alpha}^\mathrm{T}αT,得αTααTξ=(αTα)αTξ=λ(αTξ)\bm{\alpha}^\mathrm{T}\bm{\alpha\alpha}^\mathrm{T}\bm{\xi}=(\bm{\alpha}^\mathrm{T}\bm{\alpha})\bm{\alpha}^\mathrm{T}\bm{\xi}=\lambda(\bm{\alpha}^\mathrm{T}\bm{\xi})αTααTξ=(αTα)αTξ=λ(αTξ)。
因αTξ≠0\bm{\alpha}^\mathrm{T}\bm{\xi}\ne0αTξ=0,故λ=αTα=∑i=1nai2\lambda=\bm{\alpha}^\mathrm{T}\bm{\alpha}=\displaystyle\sum^n_{i=1}a_i^2λ=αTα=i=1∑nai2。
当λ=0\lambda=0λ=0时,(λE−A)x=[−a12−a1a2⋯−a1an−a1a2−a22⋯−a2an⋮⋮⋮−a1an−a2an⋯−an2][x1x2⋮xn]=0(\lambda\bm{E}-\bm{A})\bm{x}=\begin{bmatrix}-a_1^2&-a_1a_2&\cdots&-a_1a_n\\-a_1a_2&-a_2^2&\cdots&-a_2a_n\\\vdots&\vdots&&\vdots\\-a_1a_n&-a_2a_n&\cdots&-a_n^2\end{bmatrix}\begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix}=\bm{0}(λE−A)x=⎣⎢⎢⎢⎡−a12−a1a2⋮−a1an−a1a2−a22⋮−a2an⋯⋯⋯−a1an−a2an⋮−an2⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤=0,即解方程a1x1+a2x2+⋯+anxn=0a_1x_1+a_2x_2+\cdots+a_nx_n=0a1x1+a2x2+⋯+anxn=0,得特征向量为(设a1≠0a_1\ne0a1=0)
ξ1=[a2,−a1,0,⋯,0]T,ξ2=[a3,0,−a1,⋯,0]T,⋯⋯ξn−1=[an,0,0,⋯,−a1]T,\bm{\xi}_1=[a_2,-a_1,0,\cdots,0]^\mathrm{T},\\ \bm{\xi}_2=[a_3,0,-a_1,\cdots,0]^\mathrm{T},\\ \cdots\cdots\\ \bm{\xi}_{n-1}=[a_n,0,0,\cdots,-a_1]^\mathrm{T},\\ ξ1=[a2,−a1,0,⋯,0]T,ξ2=[a3,0,−a1,⋯,0]T,⋯⋯ξn−1=[an,0,0,⋯,−a1]T,
当λ=∑i=1nai2\lambda=\displaystyle\sum^n_{i=1}a_i^2λ=i=1∑nai2时,(λE−A)x=[∑i=1nai2−a12−a1a2⋯−a1an−a1a2∑i=1nai2−a22⋯−a2an⋮⋮⋮−a1an−a2an⋯∑i=1nai2−an2][x1x2⋮xn]=0(\lambda\bm{E}-\bm{A})\bm{x}=\begin{bmatrix}\displaystyle\sum^n_{i=1}a_i^2-a_1^2&-a_1a_2&\cdots&-a_1a_n\\-a_1a_2&\displaystyle\sum^n_{i=1}a_i^2-a_2^2&\cdots&-a_2a_n\\\vdots&\vdots&&\vdots\\-a_1a_n&-a_2a_n&\cdots&\displaystyle\sum^n_{i=1}a_i^2-a_n^2\end{bmatrix}\begin{bmatrix}x_1\\x_2\\\vdots\\x_n\end{bmatrix}=\bm{0}(λE−A)x=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡i=1∑nai2−a12−a1a2⋮−a1an−a1a2i=1∑nai2−a22⋮−a2an⋯⋯⋯−a1an−a2an⋮i=1∑nai2−an2⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤=0,由观察知ξn=[a1,a2,⋯,an]T\bm{\xi}_n=[a_1,a_2,\cdots,a_n]^\mathrm{T}ξn=[a1,a2,⋯,an]T。
由ξ1,ξ2,⋯,ξn\bm{\xi}_1,\bm{\xi}_2,\cdots,\bm{\xi}_nξ1,ξ2,⋯,ξn得可逆矩阵P=[a2a3⋯ana1−a10⋯0a20−a1⋯0a3⋮⋮⋮⋮00⋯−a1an]\bm{P}=\begin{bmatrix}a_2&a_3&\cdots&a_n&a_1\\-a_1&0&\cdots&0&a_2\\0&-a_1&\cdots&0&a_3\\\vdots&\vdots&&\vdots&\vdots\\0&0&\cdots&-a_1&a_n\end{bmatrix}P=⎣⎢⎢⎢⎢⎢⎡a2−a10⋮0a30−a1⋮0⋯⋯⋯⋯an00⋮−a1a1a2a3⋮an⎦⎥⎥⎥⎥⎥⎤,且P−1AP=[00⋱0∑i=1nai2]\bm{P}^{-1}\bm{AP}=\begin{bmatrix}0&&&&\\&0&&&\\&&\ddots&&\\&&&0&\\&&&&\displaystyle\sum^n_{i=1}a_i^2\end{bmatrix}P−1AP=⎣⎢⎢⎢⎢⎢⎢⎢⎡00⋱0i=1∑nai2⎦⎥⎥⎥⎥⎥⎥⎥⎤。(这道题主要利用了特征值求解)
CCC组
3.设A,B\bm{A},\bm{B}A,B均为nnn阶矩阵,A\bm{A}A有nnn个互不相同的特征值,且AB=BA\bm{AB}=\bm{BA}AB=BA。证明:B\bm{B}B相似于对角矩阵。
解 A\bm{A}A有nnn个互不相同的特征值,故存在可逆矩阵P\bm{P}P,使得P−1AP=[λ1λ2⋱λn]=Λ1\bm{P}^{-1}\bm{AP}=\begin{bmatrix}\lambda_1&&&\\&\lambda_2&&\\&&\ddots&\\&&&&\lambda_n\end{bmatrix}=\bm{\Lambda}_1P−1AP=⎣⎢⎢⎡λ1λ2⋱λn⎦⎥⎥⎤=Λ1,其中λi(i=1,2,⋯,n)\lambda_i(i=1,2,\cdots,n)λi(i=1,2,⋯,n)是A\bm{A}A的特征值,且λi≠λj(i≠j)\lambda_i\ne\lambda_j(i\ne j)λi=λj(i=j)。
又AB=BA\bm{AB}=\bm{BA}AB=BA,故P−1APP−1BP=P−1BPP−1AP\bm{P}^{-1}\bm{APP}^{-1}\bm{BP}=\bm{P}^{-1}\bm{BPP}^{-1}\bm{AP}P−1APP−1BP=P−1BPP−1AP,即Λ1P−1BP=P−1BPΛ1\bm{\Lambda}_1\bm{P}^{-1}\bm{BP}=\bm{P}^{-1}\bm{BP}\bm{\Lambda}_1Λ1P−1BP=P−1BPΛ1。
设P−1BP=(cij)n×n\bm{P}^{-1}\bm{BP}=(c_{ij})_{n\times n}P−1BP=(cij)n×n,则
[λ1λ2⋱λn][c11c12⋯c1nc21c22⋯c2n⋮⋮⋮cn1cn2⋯cnn]=[c11c12⋯c1nc21c22⋯c2n⋮⋮⋮cn1cn2⋯cnn][λ1λ2⋱λn],[λ1c11λ1c12⋯λ1c1nλ2c21λ2c22⋯λ2c2n⋮⋮⋮λncn1λncn2⋯λncnn]=[λ1c11λ2c12⋯λnc1nλ1c21λ2c22⋯λnc2n⋮⋮⋮λ1cn1λ2cn2⋯λncnn].\begin{bmatrix}\lambda_1&&&\\&\lambda_2&&\\&&\ddots&\\&&&&\lambda_n\end{bmatrix}\begin{bmatrix}c_{11}&c_{12}&\cdots&c_{1n}\\c_{21}&c_{22}&\cdots&c_{2n}\\\vdots&\vdots&&\vdots\\c_{n1}&c_{n2}&\cdots&c_{nn}\end{bmatrix}=\begin{bmatrix}c_{11}&c_{12}&\cdots&c_{1n}\\c_{21}&c_{22}&\cdots&c_{2n}\\\vdots&\vdots&&\vdots\\c_{n1}&c_{n2}&\cdots&c_{nn}\end{bmatrix}\begin{bmatrix}\lambda_1&&&\\&\lambda_2&&\\&&\ddots&\\&&&&\lambda_n\end{bmatrix},\\ \begin{bmatrix}\lambda_1c_{11}&\lambda_1c_{12}&\cdots&\lambda_1c_{1n}\\\lambda_2c_{21}&\lambda_2c_{22}&\cdots&\lambda_2c_{2n}\\\vdots&\vdots&&\vdots\\\lambda_nc_{n1}&\lambda_nc_{n2}&\cdots&\lambda_nc_{nn}\end{bmatrix}=\begin{bmatrix}\lambda_1c_{11}&\lambda_2c_{12}&\cdots&\lambda_nc_{1n}\\\lambda_1c_{21}&\lambda_2c_{22}&\cdots&\lambda_nc_{2n}\\\vdots&\vdots&&\vdots\\\lambda_1c_{n1}&\lambda_2c_{n2}&\cdots&\lambda_nc_{nn}\end{bmatrix}. ⎣⎢⎢⎡λ1λ2⋱λn⎦⎥⎥⎤⎣⎢⎢⎢⎡c11c21⋮cn1c12c22⋮cn2⋯⋯⋯c1nc2n⋮cnn⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡c11c21⋮cn1c12c22⋮cn2⋯⋯⋯c1nc2n⋮cnn⎦⎥⎥⎥⎤⎣⎢⎢⎡λ1λ2⋱λn⎦⎥⎥⎤,⎣⎢⎢⎢⎡λ1c11λ2c21⋮λncn1λ1c12λ2c22⋮λncn2⋯⋯⋯λ1c1nλ2c2n⋮λncnn⎦⎥⎥⎥⎤=⎣⎢⎢⎢⎡λ1c11λ1c21⋮λ1cn1λ2c12λ2c22⋮λ2cn2⋯⋯⋯λnc1nλnc2n⋮λncnn⎦⎥⎥⎥⎤.
比较元素λicij=λjcij\lambda_ic_{ij}=\lambda_jc_{ij}λicij=λjcij,即(λi−λj)cij=0,λi≠λj(i≠j)(\lambda_i-\lambda_j)c_{ij}=0,\lambda_i\ne\lambda_j(i\ne j)(λi−λj)cij=0,λi=λj(i=j),得cij=0(i≠j)c_{ij}=0(i\ne j)cij=0(i=j),于是P−1BP=[c11c22⋱cnn]=Λ2\bm{P}^{-1}\bm{BP}=\begin{bmatrix}c_{11}&&&\\&c_{22}&&\\&&\ddots&\\&&&&c_{nn}\end{bmatrix}=\bm{\Lambda}_2P−1BP=⎣⎢⎢⎡c11c22⋱cnn⎦⎥⎥⎤=Λ2,即B∼Λ2\bm{B}\sim\bm{\Lambda}_2B∼Λ2。(这道题主要利用了矩阵运算性质求解)
写在最后
如果觉得文章不错就点个赞吧。另外,如果有不同的观点,欢迎留言或私信。
欢迎非商业转载,转载请注明出处。
张宇1000题线性代数 第八章 相似理论相关推荐
- 张宇1000题线性代数 第九章 二次型
目录 AAA组 1.二次型f(x1,x2,x3)=xTf(x_1,x_2,x_3)=\bm{x}^\mathrm{T}f(x1,x2,x3)=xT的秩为( ). (A)0;(A)0;(A)0; ...
- 张宇1000题线性代数 第四章 矩阵的秩
目录 AAA组 5.设A\bm{A}A为nnn阶方阵,A∗\bm{A}^*A∗为其伴随矩阵,证明:若r(A)=n−1r(\bm{A})=n-1r(A)=n−1,则r(A∗)=r(\bm{A}^*)=r ...
- 张宇1000题线性代数 第三章 矩阵运算
目录 AAA组 5.若A=E122E23(1)\bm{A}=\bm{E}^2_{12}\bm{E}_{23}(1)A=E122E23(1),其中E12,E23(1)\bm{E}_{12},\bm{ ...
- 张宇1000题线性代数 第五章 线性方程组
目录 BBB组 6.已知线性方程组{bx1−ax2=−2ab,−2cx2+3bx3=bc,cx1+ax3=0,\begin{cases}bx_1-ax_2=-2ab,\\-2cx_2+3bx_3=bc ...
- 张宇1000题线性代数 第一、二章 行列式、余子式和代数余子式的计算
目录 第一章 行列式 A A A组 3. ∣ 1 3 9 27 1 − 1 1 − 1 2 4 8 16 1 − 2 4 − 8 ∣ = \begin{vmatrix}1&3&9&am ...
- 张宇1000题线性代数 第七章 特征值与特征向量
目录 BBB组 7.设A\bm{A}A是nnn阶实对称矩阵,λ1,λ2,⋯,λn\lambda_1,\lambda_2,\cdots,\lambda_nλ1,λ2,⋯,λn是A\bm{A}A的n ...
- 计算机考研1000题pdf,2020考研张宇1000题(数一、二、三全).pdf
张宇考研数学题源探析经典1000 题 (习题分册·数学一) 张宇 2019 年11 月14 日 目录 前言 ii 十四. 平均值 . . . . . . . . . . . . . . 18 十五. ...
- 2020张宇1000题【好题收集】【第九章:级数】
文章目录 经典收敛级数 ①:大名鼎鼎的自然数平方倒数和 扩展 ②:∑n=1∞1n!=e−1\sum_{n=1}^{\infty}\frac{1}{n!}=e-1∑n=1∞n!1=e−1 ③: 积分 ...
- 2020张宇1000题【好题收集】【第十章:线性代数(一)】
文章目录 线性代数中翻译成人话的结论 一.行列式 做题中得到的结论 基础知识 分块矩阵行列式 爪型行列式 范德蒙行列式 4[结论题][缺主对角线] 7[打星] 8 15(打星) 二.矩阵 关于秩的一些 ...
最新文章
- R语言绘制Vonoroi图
- chmod +x的意思就是给执行权限
- [云炬创业基础笔记]第四章测试22
- 微信小程序实践_3点击版面图片获取新闻链接
- Redis分布式锁解决抢购问题
- 没有bug队——加贝——Python 练习实例 5,6
- 学生信息管理---C#文件写入及读取
- Android学习之适配器SimpleCursorAdapter
- 理解MapReduce计算构架
- HALCON 控制变量没有被初始化_OA大典故障案例摘录【第1397篇】理光2501如何载体初始化 ?...
- 【Allwinner】---搭建 全志平台 开发环境 史上最详细
- C++ UPD广播异步发包工具
- 20155311《网络对抗》信息搜集与漏洞扫描
- canvas 实现流星雨特效
- 用Ultra-Light-Fast-Generic-Face-Detector-1MB寻找人眼
- 淘宝开放平台签名验证失败
- php统计邮件打开率,监控 Amazon SES 电子邮件的打开率、点击率和退回率
- Step7中有关时间和定时器的使用和例程2
- opencv4使用sift以及surf
- 常用正则表达式—身份证号(JavaScript,Regex)